计算神经科学是神经科学研究的重要方法之一,通过建立神经元网络的生物物理模型对其特性与结构进行研究。为满足大规模神经元网络仿真的需要,以现场可编程门阵列(FPGA)进行硬件仿真已经成为目前计算神经科学研究的主要方向之一。由于神经元网络的特性和结构十分复杂,传统的神经元网络片上仿真模型无法实现其动态的特性与功能。本文提出将片上网络(NoC)引入到神经元网络的FPGA实现中,利用路由寻址的方式实现神经元网络复杂的通讯功能,并通过FPGA内部状态机控制来实现神经元网络的动态仿真效果。本文提出了一种通过FPGA芯片实现的动态功能神经元网络的NoC架构。根据神经元网络的内部结构与特性选取合适的NoC拓扑结构与路由算法,将神经元网络中的信息传递过程转化为计算机网络中的路由寻址过程,将单个神经元作为网络的IP核对信息进行处理,加入路由器对数据包的传输路径进行决策,再通过有限状态机完成多个通讯状态的转换与控制,实现神经元网络的动态通信功能。针对神经元网络中大量存在的非线性运算问题,本文提出了一种改进的旋转坐标算法(CORDIC)。改进的CORDIC算法通过区间压缩法对传统CORDIC算法的收敛域进行扩展,之后通过优化后的20次流水线迭代结构对非线性运算进行逐次逼近,使原本仅能进行小范围计算的CORDIC算法的收敛域进一步扩展,可以实现神经元网络中各种非线性数学模型的搭建。本文以NoC为基础实现了两种功能神经元网络的片上仿真模型。首先将NoC与最基础的前馈网络相结合,实现了一种基于时间控制的动态可扩展前馈网络。该系统以XBFT拓扑结构为基础将静态的单层网络结构转换为动态通信的三层前馈网络结构。之后将该架构与视网膜网络相结合,实现了一种基于光照控制的视网膜神经元网络模型。该系统将NoC架构与FPGA驱动的外围设备相结合,搭建了一种可以与外部信号实时通信的动态神经仿真系统。本文以两种神经元网络模型为例,深入研究了神经元网络的NoC架构,验证了该架构的动态特性和可移植性,为神经元网络硬件仿真实现提供新了的思路。